기술 요약: C-PLANK (Chemi-Proteome Language Attention Network)

문제 정의

현재의 신약 개발용 딥러닝 모델은 주로 in vitro 친화도 데이터셋(예: BindingDB, Davis, BioSNAP)을 기반으로 학습됩니다. 이러한 모델들은 통제된 생화학적 조건 하에서의 쌍별 결합 이벤트를 예측하는 데는 효과적이지만, 세포 내의 복잡성을 포착하는 데는 한계가 있습니다. 즉, 단백질 복합체, 번역 후 조절(post-translational regulation), 신호 전달 활성 등 역동적인 세포 환경을 반영하지 못합니다. 또한, 기존의 많은 데이터셋은 실험적으로 검증된 음성 상호작용(negative interactions)이 부족하며, 편향을 초래할 수 있는 계산적으로 생성된 음성 데이터를 사용하는 경우가 많습니다. 결과적으로 현대의 AI 시스템은 모델링하고자 하는 생물학적 시스템과 단절되어 있으며, 살아있는 세포 맥락 내에서 화합물이 프로테옴과 어떻게 상호작용하는지 예측하는 데 어려움을 겪고 있습니다.

단편 기반 리간드 발견(FBLD)은 화학적으로 단순한 단편(fragment)을 사용하여 세포 프로테옴을 탐색함으로써 시스템 인지형 모델링(system-aware modeling)으로 가는 경로를 제공합니다. 그러나 단편-단백질 상호작는 일반적으로 약하고 일시적이어서 전통적인 분석법으로는 탐지하기 어렵습니다. 하지만 완전 기능화된 단편(fully functionalized fragment, FFF) 화학 프로테오믹스는 살아있는 세포 내에서 이러한 일시적인 상호작용을 공유 결합 방식으로 포착할 수 있게 해주지만, 그 과정에서 발생하는 데이터는 자원 집약적이고 비용이 많이 듭니다. 따라서 세포 화학 프로테오믹스 변동으로부터 직접 학습하여 발견 속도를 높이고 실험적 부담을 줄일 수 있는 계산 모델에 대한 절실한 필요성이 존재합니다.

방법론: C-PLANK 아키텍처

저자들은 세포 화학 프로테오믹스 데이터로부터 단편-단백질 상호작용을 직접 예측하고 해석하도록 설계된 딥러닝 프레임워크인 C-PLANK(Chemi-Proteome Language Attention NetworK)를 소개합니다. 기존의 약물-표적 상호작용(DTI) 모델과 달리, C-PLANK는 살아있는 세포 내 FFF 프로브에 의해 생성된 프로테옴 전반의 상호작용 지형으로부터 학습합니다.

이 프레임워크는 세 가지 주요 구성 요소로 이루어져 있습니다:

1. 이중 채널 인코더 (Dual-Channel Encoders):

   • 단백질 인코더: 진화적 맥락을 포착하기 위해 ESM-2 단백질 언어 모델을 활용하며, 여기에 정제된 물리화학적 기술자(분자량, 극성, 소수성, pKa, 토폴로지)를 보강했습니다. 이 정보들은 적층된 1D 합성곱 신경망(1D-CNNs)을 통해 처리되어, 전역적 맥락 표현(max-pooling을 통해 추출)과 잔기 수준 분석을 위한 위치별 특징 행렬을 추출합니다.
   • 리간드 인코더: 핵심 원자(C, N, O, F, P, S, Cl, Br, I)에 대한 학습 가능한 임베딩 행렬과 특정 물리화학적 특징(LogP, 전하, TPSA, 혼성 구조)을 사용하여 SMILES 문자열을 원자 수준에서 인코딩합니다. 이들 또한 1D-CNN을 통해 분자 내 패턴을 추출합니다.

2. 쌍선형 어텐션 네트워크 (Bilinear Attention Network, BAN) 디코더:

   • 표준적인 교차 어텐션(cross-attention) 대신, C-PLANK는 단백질 잔기와 리간드 원자 사이의 쌍별 관계를 모델링하기 위해 BAN을 채택합니다.
   • BAN은 잔기-원자 핫스팟을 강조하는 상호작용 어텐션 맵과 풀링된 국소 상호작용 벡터를 생성합니다. 이를 통해 모델은 전역적인 시스템 수준의 맥락과 통합하면서도, 미세하고 국소적인 상호작용 증거(약하고 일시적인 단편 상호작용에 필수적임)를 포착할 수 있습니다.

3. 증거 레이어 및 세포 상호작용 상태 지수 (Cellular Interaction State Index, CISI):

   • 증거 딥러닝 (Evidential Deep Learning, EDL): 모델은 상호작용 성향, 불확실성, 그리고 생물학적 신뢰도를 공동으로 학습하기 위해 증거 파라미터($\alpha$)를 출력합니다.
   • CISI: 전체 화학 프로테오믹스 데이터셋 전반에 걸친 특정 단편-단백질 상호작용의 풍부도를 리간드와 단백질의 전역적 무작위성(promiscuity)에 대비하여 정의한 새로운 시스템 수준의 지표입니다. CISI는 예측값을 관찰된 세포 상호작용 지형에 따라 맥락화하며, 사전 지식을 바탕으로 상호작용을 고신뢰, 중신뢰, 저신뢰 그룹으로 계층화합니다.
   • 손실 함수 (Loss Function): 목적 함수는 표준 분류 손실과 CISI 그룹에 따라 불확실성 추정을 제약하는 "지식 손실(knowledge loss)" 항을 결합하여, 세포 지형에 의해 강력하게 뒷받침되는 상호작용이 낮은 불확실성을 갖도록 보장합니다.

주요 기여

• 세포 맥락 모델링: C-PLANK는 in vitro 친화도 데이터가 아닌 세포 화학 프로테오믹스 데이터셋(FFF 프로브)으로부터 직접 학습하는 최초의 프레임워크로서, 고유한 세포 내 인터랙톰 내에서의 상호작용을 모델링할 수 있습니다.
• 해석 가능한 상호작용 핑거프린트: BAN 아키텍처를 활용함으로써, 모델은 원자 및 잔기 수준의 어텐션 점수를 생성하여 상호작는 상태의 분자적 결정 요인을 식별하며, 명시적인 3D 구조 입력 없이도 기계론적 통찰력을 제공합니다.
• 불확실성 인지 추론: EDL과 CISI의 통합을 통해, 모델은 모델 출력뿐만 아니라 전역적인 세포 상호작용 지형을 바탕으로 예측 신뢰도를 정량화하여, 신뢰할 수 있는 예측과 아티팩트(artifact)를 구분합니다.
• 미인지 표적에 대한 일반화: 본 프레임워크는 "콜드-단백질(cold-protein)" 설정에서도 견고한 성능을 보여주며, 훈련 세트에 존재하지 않는 단백질에 대한 상호작용 상태를 성공적으로 추론합니다.

결과

저자들은 8개의 독립적인 화학 프로테오믹스 연구에서 유래한 431개의 리간드 인터랙톰(407개의 리간드와 2,629개의 단백질 사이의 90,494개 상호작용 포함) 큐레이션 데이터셋을 통해 C-PLANK를 평가했습니다.

• 벤치마크 성능: 무작위 분할 및 엄격한 "콜드-단백질" 분할 모두에서, C-PLANK는 7개의 최첨단 베이스라인 모델(HyperAttentionDTI, TransformerCPI, MolTrans, DrugBAN, GraphBAN 포함)을 지속적으로 능가했습니다. 콜드-단백질 설정에서 C-PLANK는 AUROC 0.8106을 달려, 차순위 모델보다 약 1~2% 높은 성능을 기록했습니다.
• 절제 연구 (Ablation Studies): 전역적 맥락 표현이나 국소적 BAN 유도 상호작용 특징 중 하나라도 제거하면 성능이 크게 저하되었으며, 이는 시스템 수준의 맥락과 미세한 잔기-원자 상호작용을 모두 모델링하는 것의 필요성을 확인시켜 줍니다. 또한, BAN을 트랜스포머 스타일의 교차 어텐션으로 대체했을 때 성능이 감소했는데, 이는 희소한 단편 상호작용에 있어 쌍선형 어텐션의 우월성을 입증합니다.
• 해석 가능성 검증:
  • 화학적 논리: 어텐션 점수는 FFF 프로브의 화학 구조를 반영하여, 농축 핸들(alkyne)보다 가변적인 단편 모이어티(moiety)와 광반응성 다이아지린(diazirine) 그룹의 우선순위를 올바르게 지정했습니다.
  • 구조적 정렬: 높은 어텐션을 보인 잔기들은 실험적으로 결정된 결합 부위(Dizco 데이터) 및 예측된 드러거블 포켓(Fpocket)과 상당한 중첩을 보였으며, 대부분이 라벨링된 부위로부터 10 Å 이내에 위치했습니다.
  • 사례 연구 (RAB14): FFF004-RAB14 상호작용에 대해, C-PLANK는 공결정 구조 및 도킹 포즈와 일치하는 핵심 잔기(K24, I44, G21, F36)를 정확히 식별했습니다.
• 전향적 발견 (SIRT3 작용제):
  • C-PLANK는 대규모 단편 라이브러리를 스크리닝하여 SIRT3 조절제를 찾는 데 사용되었습니다. 이를 통해 이전에 알려지지 않았던 결합체인 SH00을 식별했습니다.
  • 실험적 검증 결과, SH00은 SIRT3에 결합하며 작용제(agonist)로 작용함(1.3배 활성화)이 확인되었습니다.
  • 모델의 통찰력에 기반한 반복적인 구조 최적화를 통해, 팀은 강력한 SIRT3 작용제인 SH10(EC50 9.23 μM, Kd 10.9 μM)을 개발했습니다. SH10은 세포 분석에서 향상된 탈아세틸화 활성을 보여 모델의 유용성을 입증했습니다.

의의 및 주장

본 논문은 C-PLANK가 고립된 쌍별 상호작용 예측에서 세포 상호작용 상태 모델링으로의 패러다임 전환을 나타낸다고 주장합니다. 세포 화학 프로테오믹스로부터 직접 학습함으로써, 이 프레임워크는 전체 프로테옴 맥락 내에서의 상호작용에 대한 생물학적 타당성을 포착합니다.

저자들은 C-PLANK가 신약 개발을 위한 미래의 디지털 트윈 프레임워크를 위한 계산적 토대를 구축한다고 주장합니다. 정적인 결합 친화도를 예측하는 기존 모델과 달리, C-PLANK는 상호작용이 발생하는 역동적인 생물학적 시스템에 대해 추론합니다. SIRT3 작용제(SH10)의 성공적인 식별 및 최적화는 세포 상호작용 지형으로부터 학습하는 것이 어떻게 기능적 세포 반응을 유도하는 생물학적 활성 조절제 발견으로 이어질 수 있는지에 대한 개념 증명 역할을 합니다.

저자들은 현재 학습 데이터가 407개의 리간드로 제한되어 있고 고해상도 구조의 부족으로 인해 1D 서열에 의존한다는 한계를 인정했습니다. 향하여는 AlphaFold와 같은 3D 구조 데이터를 통합하고 단백질 복합체를 다룰 수 있도록 확장할 것을 제안하지만, 현재의 프레임워크만으로도 세포 맥락에서의 단편 기반 발견을 위한 견고하고 해석 가능하며 일반화 가능한 접근 방식을 제공한다고 강조합니다.